小米18 Fold首发玄戒O3：自研芯片迈入新纪元

9月7日晚，国家会议中心内的气氛热烈，当“玄戒O3”在大屏幕上亮相时，现场响起了热烈的掌声。这是小米公司首次将其自研的高端旗舰芯片与一款全新形态的折叠屏手机同时推出——玄戒O3首次搭载于小米18 Fold，这不仅是小米数字系列的首款折叠屏手机，也标志着行业首次引入“中折叠”的定义。芯片与全新形态的双重首次亮相，使得此次发布会承载的意义非比寻常：它不仅仅是新机的发布，更是小米自研芯片技术从“能用”走向“好用”的重要里程碑，标志着从“跟随”到“定义”的质变。

玄戒O3作为小米的第二款自研高端SoC，依然采用3nm工艺，但晶体管数量却从玄戒O1的190亿增至240亿，增长了26%，而芯片面积则控制在133mm²。这样的增产在当前先进制程逐渐趋于边际收益递减的环境中显得尤为不易。在架构上，玄戒O3采用了10核的全大核CPU设计，其中2个Ultra超大核负责瞬时高负载，4个Premium超大核处理中等到重度操作，其余4个Pro大核以极低的能耗维护日常流畅性。这一设计完全放弃了“小核”的理念，反映了小米对当前移动计算负载变化的深刻理解。在AI推理和多任务环境成为常态的现实下，小核的能效优势逐渐被性能短板所侵蚀，这也成为近年来主流SoC微架构设计的趋势。

结果显而易见，Geekbench 6.5的多核跑分达到15221分，比上一代提升了60%，同时在中低负载下的功耗降低了25%。在GPU方面，首发的16核G2-Ultra NX在3DMark Steel Nomad Light测评中得分4657，性能提升85%，而功耗则大幅减少了64%。安兔兔V12的综合评分更是突破了560万，成为业界首款超越500万分的大型移动SoC。这一系列数字的意义不仅仅是相对竞争对手的优越，而是表明小米自研芯片的迭代速度已经进入了快速提升的阶段，从玄戒O1到O3的升级使得CPU的多核性能从9509分提升至15221分，GPU成绩从2522分跃至4657分，几乎实现了翻倍的飞跃。

在CPU和GPU的提升是人们预计之中的情况下，玄戒O3的AI架构设计则是此次发布会中最被低估的亮点。小米并没有采用“主芯片+独立NPU”的传统架构，而是提出了“All in AI”的新理念：CPU增加了双单元SME2矩阵运算扩展，GPU引入了8核的NX神经网络加速器，同时图像信号处理器（ISP）内置了AINR AI降噪单元，DPU则硬化了AI智能分辨率模块。这样的设计将轻量级AI需求的处理放到了各个模块内进行，避免了频繁的数据传输带来的效率和能耗损失。NPU则专为大模型计算而设计，拥有4核自研架构，每核配备一个Tensor单元和两个Vector单元，Tensor算力达到200TOPS，Vector算力为3.13TFLOPS。

更重要的是，小米与其自研大模型团队Xiaomi MiMo共同创新出5值量化技术，在几乎不损失精度的情况下，将模型对内存容量和带宽的占用减少了30%，首词速度提升了40%，推理速度则提高了45%。这不仅仅是简单的“硬件+算法”结合的结果，而是芯片设计团队与AI算法团队在项目立项阶段即深入协作的成果。在当前端侧大模型成为行业共识的背景下，能够兼顾模型压缩与硬件加速的企业，将更具竞争力。玄戒O3的创新回答则是从架构层面彻底重新定义AI芯片，而不是在旧有架构上简单添加NPU。

发布会中另一个值得关注的侧面是，玄戒O3也率先支持LPDDR6内存（16GB+1TB版本），其速率达到10667Mbps，内存位宽从LPDDR5X的16-bit提升至24-bit，带宽高达113.8GB/s，较上代方案提升了48%。小米18 Fold则搭载了与长鑫存储深度合作率先量产的国产LPDDR6内存。早在8月29日，雷军已在社交平台祝贺长鑫实现LPDDR6的量产，称其“极为了不起”，并同时宣布玄戒O3首次支持长鑫湿LPDDR6。LPDDR6作为新一代内存标准的终端部署，需要芯片、内存和终端厂商在多个技术细节上不断打磨协作。小米选择在玄戒O3上首发LPDDR6，并与长鑫存储共同优化，实质上是在利用自研芯片的优势，推动国产存储产业链向高端转型。

对于用户来说，113.8GB/s的内存带宽意味着在7.58英寸的内屏上可以同时流畅运行六个窗口，在大屏幕上顺利进行端侧大模型推理，或在进行4K视频编辑时实现实时预览——这些应用场景都需要海量数据在CPU、GPU、NPU及内存之间高速流动。玄戒O3通过统一融合协议、高层金属走线以及智能预取技术，成功将访存的静态延迟压至82ns，动态延迟为177ns，相比于玄戒O1分别降低了32%和54%，甚至性能优于苹果A19 Pro的92ns和211ns。LPDDR6绝不仅仅是参数表上的一项数据，而是小米18 Fold“中折叠”形态成立的基础。

小米18 Fold被定义为一种全新的折叠屏手机形态，芯片与形态的双向创新将引领未来移动计算的发展方向。